首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

蚁群算法在物流车辆调度决策系统中的研究与实现

摘要第1-6页
Abstract第6-10页
第一章 绪论第10-15页
   ·课题研究的背景及意义第10-11页
   ·课题国内外研究现状第11-12页
     ·车辆调度问题的研究现状第11-12页
     ·基于GIS的物流系统研究现状第12页
   ·课题主要研究内容第12-13页
   ·论文的组织结构第13-15页
第二章 物流车辆调度决策系统分析第15-24页
   ·物流企业配送调度现状及其问题第15页
   ·车辆调度决策系统总体解决方案第15-17页
   ·系统用例建模第17-18页
   ·车辆优化调度问题的分析第18-23页
     ·车辆优化调度问题(VRPSTW)描述第19-20页
     ·车辆优化调度问题(VRPSTW)模型构建第20-22页
     ·车辆优化调度问题(VRPSTW)解决方案第22-23页
   ·系统可行性分析第23页
   ·本章小结第23-24页
第三章 物流车辆调度决策系统设计第24-38页
   ·系统的总体设计第24-30页
     ·系统设计的整体目标第24页
     ·系统设计的整体原则第24页
     ·总体框架第24-26页
     ·总体功能设计第26-27页
     ·系统功能设计建模第27-30页
   ·电子地图的设计和开发第30-34页
     ·GIS平台的选择第30-31页
     ·电子地图的设计和开发第31-32页
     ·电子地图的发布第32-34页
   ·数据库设计第34-37页
     ·一般数据库设计第34-36页
     ·空间数据库设计第36-37页
       ·相关技术研究第36页
       ·空间数据库的生成第36-37页
   ·本章小结第37-38页
第四章 利用蚁群算法解决VRPSTW问题第38-52页
   ·传统蚁群算法概述第38-42页
     ·基本概念第38页
     ·蚁群算法的数学模型第38-40页
     ·基本操作流程第40页
     ·传统蚁群算法的优缺点第40-42页
   ·针对VRPSTW问题改进蚁群算法第42-46页
     ·造成传统蚁群算法缺点的原因第42页
     ·蚁群算法的改进第42-43页
     ·改进后的基本操作流程第43-46页
     ·蚁群算法参数设置第46页
   ·VRPSTW问题性能分析第46-51页
     ·利用VRP标准测试数据库分析第46-50页
     ·利用实际数据分析第50-51页
   ·本章小结第51-52页
第五章 物流车辆调度决策系统实现第52-64页
   ·系统开发工具及环境第52页
     ·系统开发环境第52页
     ·系统运行环境第52页
       ·服务器端运行环境第52页
       ·客户端运行环境第52页
   ·前台展示技术的实现第52-57页
     ·对地图操作功能的实现第52-55页
     ·前后台交互技术的实现第55-57页
   ·车辆调度优化功能的实现及界面第57-60页
     ·车辆调度优化程序流程图第57页
     ·车辆调度优化代码实现第57-59页
     ·车辆调度优化代码操作界面实现第59-60页
   ·系统其他主要功能实现界面第60-63页
     ·运输信息管理模块第60-61页
     ·地图显示功能第61-62页
     ·客户信息查询功能第62页
     ·地理位置测距功能第62-63页
     ·客户信息的查看功能第63页
   ·本章小结第63-64页
结论和展望第64-65页
致谢第65-66页
参考文献第66-69页
附录第69-74页
攻读硕士学位期间发表的论文第74页

论文共74页,点击 下载论文
上一篇:蒙特卡罗方法在网损分摊中的应用
下一篇:公路环境影响评价系统的研究与应用